计算机工程与科学

作者：吴张倩, 苏兆品, 武钦芳, 张国富,

单位：1.合肥工业大学计算机与信息学院,安徽 合肥 230601;2.智能互联系统安徽省实验室合肥工业大学,安徽 合肥 230009;3.工业安全与应急技术安徽省重点实验室合肥工业大学,安徽 合肥 230601;4.安全关键工业测控技术教育部工程研究中心,安徽 合肥 230601

关键词：手机来源识别,实际环境噪声,混合特征,线性判别分析,时序卷积网络,

基金：国家自然科学基金(61573125)；安徽省重点研究与开发计划(202004d07020011,202104d07020001)；中国工程院咨询研究重点项目(2020-XZ-3)；教育部人文社会科学研究青年基金(19YJC870021,18YJC870025)；中央高校基本科研业务费专项资金(PA2020GDKC0015,PA2019GDQT0008,PA2019GDPK0072)

针对实际环境噪声下的手机来源识别问题，提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先，通过分析不同手机语音特征在实际环境噪声下的分类性能，基于带能量描述符、常数Q变换域和线性判别分析得到一种新的手机语音混合特征。然后，以此混合特征为输入，基于时序卷积网络进行训练和分类。最后，在10个品牌、47种手机型号、32 900条语音样本的实际环境噪声语音库上的测试结果显示，所提方法的平均识别准确率达到99.82%。此外，与经典的基于带能量描述符和支持向量机的方法，以及基于常数Q变换域和卷积神经网络的方法相比，平均识别准确率分别提高了0.44和0.54个百分点，平均召回率分别提高了0.45和0.55个百分点，平均精确率分别提高了0.41和0.57个百分点，平均F1分数分别提高了0.49和0.55个百分点。实验结果表明，所提方法具有更优的综合识别性能。

来源：2021年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第8期